Study of retroanalysis of asphaltic pavements resilience modules with the use of artificial neural networks

Autores

  • Alcidney Batista Celeste Superintendência Regional da Paraíba - UL de Patos
  • Francisco Heber Lacerda de Oliveira Universidade Federal do Ceará

DOI:

https://doi.org/10.14295/transportes.v27i4.1781

Palavras-chave:

Pavimentos asfálticos, Módulo de resiliência, Retroanálise, Redes Neurais Artificiais.

Resumo

O conhecimento dos Módulos de Resiliência (MR) de pavimentos é elemento importante para a avaliação estrutural das infraestruturas existentes. Uma maneira de determiná-los é através de ensaios dinâmicos de carga repetida, em laboratório; outra forma, é utilizar a técnica de retroanálise, que consiste na obtenção dos MR a partir das espessuras das camadas e das deflexões medidas na superfície do pavimento. Nesse sentido, este artigo tem o objetivo de apresentar a retroanálise dos MR através da técnica de Redes Neurais Artificiais (RNA) como alternativa à retroanálise tradicional. Os resultados demonstraram que as RNA conseguem prever os MR com resultados de coeficientes de determinação (R2) acima de 99,9% entre os valores de referência e previstos. Desse modo, as RNA se apresentam como uma alternativa em potencial para a obtenção dessa importante propriedade mecânica dos materiais para pavimentação frente aos métodos tradicionais. 

Downloads

Não há dados estatísticos.

Biografia do Autor

Alcidney Batista Celeste, Superintendência Regional da Paraíba - UL de Patos

Mestre em Engenharia Civil

Analista em Infraestrutura de Transportes


Francisco Heber Lacerda de Oliveira, Universidade Federal do Ceará

Doutor em Engenharia de Transportes pelo Programa de Pós-Graduação em Engenharia de Transportes, da Universidade Federal do Ceará. Professor Adjunto do Departamento de Engenharia de Transportes, da Universidade Federal do Ceará. Affiliate Member in the American Society of Civil Engineers - ASCE. Tem experiência em Planejamento do Transporte Aéreo, Operação, Manutenção e Reabilitação de Infraestruturas Aeroportuárias, especialmente em pavimentos de pátios e de pistas de pouso e decolagem.

Referências

Albernaz, C. A. V. (1997) Simplified Method of Retrofitting Flexible Pavement Resilience Modules from the Deflection Basin. Mas-ter's Thesis, Coppe – The Alberto Luiz Coimbra Institute for Graduate Studies and Research in Engineering, Federal Uni-versity of Rio de Janeiro, Rio de Janeiro.

Albernaz, C. A. V.; L. M. G. Motta and J. Medina (1995) Retroanalysis: A Useful Tool in Structural Pavement Evalua-tion. Proceedings of the 29th Annual Paving Meeting. Cuiabá, v. 1, p. 399 - 417.

Bernucci, L. B.; L. M. G. Motta; J. A. P. Ceratti and J. B. Soares (2006) Asphalt Paving: basic training for engineers. 1st ed. Petro-bras: Abeda, Rio de Janeiro.

Coutinho Neto, B. (2000) Artificial neural networks as a procedure for flexible pavement retroanalysis. Master's Thesis. São Carlos School of Engineering. University of Sao Paulo, Sao Carlos. Available in: https://www.teses.usp.br/teses/disponiveis/18/18137/tde-01022018-122501/pt-br.php (access in 23/12/2019).

Franco, F. A. C. P. (2007) Method of Mechanical-Empirical Dimensioning of Asphalt Pavements - SisPav. Doctoral Thesis. Coppe – The Alberto Luiz Coimbra Institute for Graduate Studies and Research in Engineering, Federal University of Rio de Janei-ro, Rio de Janeiro. Available in: http://www.coc.ufrj.br/pt/teses-de-doutorado/151-2007/1107-filipe-augusto-cinque-de-proenca-franco (access in 23/12/2019).

Godoy, W. F.; I. N. Silva; W. S. Gongora; A. Goedtel and R. H. C. Palaces (2013) Failure Classification in Three-Phase Induction Motor Bearings using Artificial Neural Networks. Proceedings of the XI Brazilian Symposium on Intelligent Automation, For-taleza. Available in: http://www.sbai2013.ufc.br/pdfs/4788.pdf (access in 23/12/2019).

Hagan, M.T. and M. B. Menhaj (1994) Training Feedforward Networks with the Marquardt Algorithm. IEEE Transactions on Neural Networks, v. 5, n. 6, p. 989 - 993. DOI: 10.1109/72.329697.

Haykin, S. (2001). Neural Networks: Principles and Practices. 2nd edition. Bookman, Porto Alegre.

Macedo, F. N. (2003) Retroanalysis of real and theoretical deflection basins obtained by static and dynamic methods. Master's Thesis. University of Brasília, Brasília, DF.

Nóbrega, E. S. (2003) Comparison Between Asphalt Pavement Retroanalysis Method. Master's Thesis. Coppe – The Alberto Luiz Coimbra Institute for Graduate Studies and Research in Engineering, Federal University of Rio de Janeiro, Rio de Janeiro. Available in:

http://www.coc.ufrj.br/pt/dissertacoes-de-mestrado/103-msc-pt-2003/1835-eduardo-suassuna-nobrega (access in 23/12/2019).

Ribeiro, A. J. A. (2016) A prediction model of resilient modulus of soils in the state of Ceará for the purpose of paving. Doctoral Dissertation, Federal University of Ceará, Fortaleza. Available in: http://www.repositorio.ufc.br/handle/riufc/18958 (access in 23/12/2019).

Rocha Filho, N. R. and R. M. Rodrigues (1996) Structural Evaluation of Pavements through Deflectometric Surveys. Proceedings of the

th Annual Paving Meeting. Salvador, v. 3, p. 1119 - 1146.

Rosenblatt, F. (1958). The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain. Physiological Reviews, v. 65 (3), p. 386-408. DOI: 10.1037/h0042519.

Silva, I. N.; D. H. Spatti and R. A. Flauzino (2010) Artificial neural networks for engineering and applied sciences, Artliber, 1st edition, São Paulo, SP.

Zanetti, F. S. (2008) The Use of Artificial Neural Networks as a Tool to Assist in Determining the Life of Flexible Pavements. Master's Thesis. São Carlos School of Engineering. University of São Paulo, São Carlos, SP. Available in: https://teses.usp.br/teses/disponiveis/18/18143/tde-28042009-091916/en.php (access in 23/12/2019).

Downloads

Publicado

28-12-2019

Como Citar

Celeste, A. B., & Oliveira, F. H. L. de. (2019). Study of retroanalysis of asphaltic pavements resilience modules with the use of artificial neural networks. TRANSPORTES, 27(4), 123–133. https://doi.org/10.14295/transportes.v27i4.1781

Edição

Seção

Artigos